La salida de los datos procesados en Python será tomada por R para generar un tablero rápido


En el costado derecho podemos poner el texto descriptivo que nos sea útil.

Podemos incluir cualquier tipo de gráfico


Las librerías en R y en Python suelen ser similares. Algunas son homónimas, otras son copias idénticas

Incluso podemos usar distintos filtros interactivos que facilitan la visualiación de los datos


Se pueden incorporar gráficos estáticos y dinámicos. Si bien este tipo de reportes permite una interacción muy básica con el usuario

Ejemplo de gráfico de barras con Plotly


En este gráfico, hecho con Plotly, vemos la cantidad de alquileres por día de la semana y por tipo de película (clasificación)

MetricsGraphics - Scatter plot


Scatter plot mostrando total pagado en concepto de alquileres por día de la semana y mes

---
title: "Tablero - Alquiler de Películas"
output: 
  flexdashboard::flex_dashboard:
    storyboard: true
    social: menu
    source: embed
---

```{r setup, include=FALSE}
library(flexdashboard)
```

```{r, include=FALSE}
data = read.csv(file="/Users/pablitopol/Downloads/Docente/Univ. Aconcagua/india.csv")
final = read.csv(file="/Users/pablitopol/Downloads/Docente/Univ. Aconcagua/final.csv")
```

### La salida de los datos procesados en Python será tomada por R para generar un tablero rápido

```{r}
library(leaflet)
leaflet() %>%
  addTiles() %>%
  addMarkers(lng=data$lon, lat=data$lat, popup=data$city)
```

***

En el costado derecho podemos poner el texto descriptivo que nos sea útil. 


### Podemos incluir cualquier tipo de gráfico

```{r}
library(plotly)
sem_dia = as.data.frame(table(final$rental_hora, final$rental_diaSemana))
fig <- plot_ly(z = sem_dia$Freq, x=sem_dia$Var2, y=sem_dia$Var1, type = "heatmap") %>% 
  layout(title = 'Cantidad de alquileres por hora y día de la semana',
         xaxis = list(title = 'Hora',
                      zeroline = TRUE),
         yaxis = list(title = 'Día de la Semana')
         )
fig
```

***

Las librerías en R y en Python suelen ser similares. Algunas son homónimas, otras son copias idénticas


### Incluso podemos usar distintos filtros interactivos que facilitan la visualiación de los datos

```{r}
library(dygraphs)
library(dplyr)
serie = final %>%
    group_by(rental_fecha) %>%
    summarise(suma = sum(amount))
serie$rental_fecha = as.Date(serie$rental_fecha)
dygraph(serie, main = "Suma total de alquileres (en dólares)") %>%
  dySeries("suma", label = "Monto") %>%
  dyOptions(stackedGraph = TRUE) %>%
  dyRangeSelector(height = 20) %>% 
  dyRangeSelector()
```

***

Se pueden incorporar gráficos estáticos y dinámicos. Si bien este tipo de reportes permite una interacción muy básica con el usuario


### Ejemplo de gráfico de barras con Plotly

```{r}
library(plotly)
p <- ggplot(data = final, aes(x = rental_diaSemana, fill = rating)) +
            geom_bar(position = "dodge")
ggplotly(p)
```

***

En este gráfico, hecho con Plotly, vemos la cantidad de alquileres por día de la semana y por tipo de película (clasificación)


### MetricsGraphics - Scatter plot

```{r}
library(metricsgraphics)
aux = final %>%
          group_by(rental_diaSemana, rental_mes) %>%
          summarise(suma = sum(amount))
mjs_plot(aux, x=rental_diaSemana, y=rental_mes) %>%
    mjs_point(size_accessor=suma, color_accessor = suma) %>%
  mjs_labs(x="Día de la semana", y="Mes")
```

***

Scatter plot mostrando total pagado en concepto de alquileres por día de la semana y mes